全球领先的风险与决策分析软件
@RISK 和 DecisionTools Suite 的制造商
ENGLISH I ESPAÑOL I PORTUGUÉS I FRANÇAIS I DEUTSCH I 日本語 I 中文 I РУССКИЙ
Live Chat
行业模型
PrecisionTree 示例:原油
本示例演示如何使用 PrecisionTree 来分析多阶段决策过程。此模型使用一个“累积支付”树,即最简单的 PrecisionTree 计算方法。它通过将树路径中每个分支收集的基值相加,来确定每条路径的支付。模型“原油 - 公式”、“原油 - 关联树”、“原油 - 影响图”和“原油 - VBA 宏”均显示了计算这种模型的其他方法。

Oil_CN.xls

PrecisionTree 示例:原油 -使用 @RISK 进行模拟
本示例演示如何在 Palisade 倍受欢迎的蒙特卡罗法模拟插件上模拟一个决策树模型。您可使用几个选项来控制 @RISK 模拟如何执行。首先,您可以指定在模拟时计算什么,可选择对每次 @RISK 迭代重复计算模型的期望值,或者对每次迭代初排一条树路径。其次,你可以控制在模拟过程中允许或阻止更改决策的方式。这些选项可确保不确定结果不会影响前期决策的选择。可在树的“模型设置”对话框的 @RISK 选项卡上,对每个模型更改以上设置。(还可以手工强制执行各个决策分支,以获得更大控制。)

OilSimulationWithRISK_CN.xls

TopRank 示例:使用 @RISK 函数建模
TopRank 可识别 @RISK 分布函数并将其纳入假设分析。这种功能可让您更灵活、准确地对假设分析中可能的输入值进行建模。 在本示例中,Jupiter Corporation 正在制造一款新型四门轿车。管理层假设该车将在今后 5 年销售,并确定了在那段时间内影响总收入的 5 个因素。以下这些因素中的部分因素有概率分布。

在假设分析过程中,TopRank 查看这些项目的概率分布,并使用它们进行智能敏感度分析,按步骤分析分布范围,同时拉开每一步的距离,使每个区间包含等量的概率。

RISK_CN.xls

NeuralTools 示例:使用 Evolver 的汽车贷款
NeuralTools 可用于根据已知的数值自变量值和范畴自变量值,预测未知的范畴因变量值。在本示例中,某个神经网络学习预测某个汽车贷款申请人会及时还款、逾期还款,还是拖欠还款。

AutoLoansEvolver_CN.xls

@RISK 示例:贴现现金流 (DCF)
贴现现金流 (DCF) 计算是 @RISK 应用的常见实例。在下面的模型中,风险来源是收益增长率与作为销售百分率的可变成本。考虑假设的投资后,应用贴现因素,将得出 DCF。根据模拟,DCF 的平均值叫作净现值 (NPV)。

这个实例还可以延伸到计算奖金支出的分布,假设只要净 DCF 超过固定金额(例如 50)就支付奖金。一些 @RISK 统计量函数(RiskMean、RiskTarget、RiskTargetD)还可用它来算出平均净 DCF、净 DCF 是负数的概率以及支付奖金的概率。

CashFlow_CN.xls

@RISK 示例:RiskCompound 用于综合分布
在 Excel 中建立频率-严重度模型时(例如,对于保险建模),@RISK 4.5 与更旧版本受电子表格结构的约束,有时会导致在改变参数值或需要使用 VBA 宏时,模型在结构上的不灵活。@RISK 现在包含可以创建频率-严重度模型的 RiskCompound 函数。以下实例对频率使用 Poisson 分布,对严重度使用 Lognormal(经常也对严重度使用 Pareto 或 Exponential 分布)。

RiskCompound_CN.xls

@RISK 示例:资产价格随机游走与期权估值
资产价格模型(股票、财产、商品)经常会随着时间游走,其周期性的价格波动是随机的,在最简单的模型中它们是彼此独立的。未来的资产价格水平可能会导致一些合同或支付变得昂贵,例如在金融市场期权的情况下。在这些情况下,合同的价值(或有给付或期权)根据日后支付的平均贴现价值计算。在有关交易基础资产的欧式期权的特殊情况下,模拟的计算值可能与通过分析提供估价的数学公式比较,例如 Black-Scholes 方程。在许多更复杂的情况下,相关的分析公式可能未知或难以推出,此时可能需要依赖模拟技术。此特殊模型将欧式买方与卖方期权的平均模拟支付与 Black-Scholes 估值进行比较。

AssetPrices.Options.BSMulti_CN.xls

RISKOptimizer 示例:约束条件作为范围的产品组合
一家制造厂在尝试寻找需要制造的四种产品(“生产”行中的产品1-4)的每一种产品的优化数量,以便使总收入平均值最大化。每种产品的需求(模型中的“实际需求”)不确定,用概率分布函数表示。 生产的每种产品的数量必须满足与可为制造每种产品提供的资源相关的约束条件。在这个模型中,所有的约束条件均在一个步骤中指定,利用RISKOptimizer的能力将约束限制定义为范围。“原料”、“人工”和“使用的机时”必须小于或等于每种资源的可用数量。 RISKOptimizer 将根据资源限制约束条件变换每种生产的产品数量,以便使收入最大化。

ProductMixWithConstraintsAsRangesi_CN.xls

@RISK 示例:六西格玛试验设计:焊接
假设您要分析金属爆炸杯,此杯通过将一个圆盘焊接到一个圆环上进行制造(参见图 1)。此产品是作为密封的安全设备使用,因此在正常使用时必须保持压力,如果内部压力超过安全界限,必须将其分离。此模型说明工序与设计因子的焊接强度,为每个因子的变化建模,并预测有关工程标准的产品性能。通过试验设计或多次回归分析收集统计上显著的函数,通常可以完成根据多个因子对响应建模。

SixSigmaDOE_CN.xls

@RISK 示例:风险价值 (VAR)
拥有投资组合的任何人都知道,投资组合的未来价值具有大量的不确定性。最近使用风险价值 (VAR) 概念帮助描述资产组合的不确定性。简单的说,未来某个时间的投资组合风险价值通常认为是当时投资组合价值损失的 5%。换句话说,就是认为投资组合损失超过 VAR 的概率只有二十分之一。为说明这个概念,假设现在的投资组合价值 100 美元。我们模拟从现在开始的一年的投资组合价值,发现此投资组合价值变成 80 美元或更低的概率是 5%。然后,此投资组合的 VAR 是 20 美元或 20%。以下实例显示如何使用 @RISK 测量 VAR。此实例还示范购买卖方期权如何能够显著降低股票风险。两个输出项(C24 和 C25)代表我们不购买卖方期权的涨幅范围与我们购买卖方期权的涨幅范围。这些结果说明如果我们不购买卖方期权,出现巨亏的可能性更大,尽管平均回报比我们不购买卖方期权略高。

VAR_CN.xls

 

 


Palisade
130 East Seneca Street
Suite 505
Ithaca, NY 14850
800 432 RISK (US/Can)
+1 607 277 8000
+1 607 277 8001 fax
sales@palisade.com
Palisade EMEA & India
+44 1895 425050 salesEMEA@palisade.com
salesIndia@palisade.com
Palisade Asia-Pacific
+61 2 9252 5922
salesAP@palisade.com
Palisade アジア・
パシフィック東京事務所
+81 3 5456 5287 tel
sales.jp@palisade.com
www.palisade.com/jp/
Palisade Latinoamérica
+1 607 277 8000 x318
+54-1152528795  Argentina
+56-25813492 Chile
+507-8365675 Panamá
+52 55 5350 2852 México
+511-7086781 Perú
+57-15085187 Colombia
servicioalcliente@palisade.com
ventas@palisade.com
www.palisade-lta.com
Palisade Brasil
+55 (21) 3958 1443
+1 607 277 8000 x318 tel
vendas@palisade.com
www.palisade-br.com